CN118015005A - 一种基于机器视觉的泛碱检测方法及便携式检测装置 - Google Patents
一种基于机器视觉的泛碱检测方法及便携式检测装置 Download PDFInfo
- Publication number
- CN118015005A CN118015005A CN202410427816.6A CN202410427816A CN118015005A CN 118015005 A CN118015005 A CN 118015005A CN 202410427816 A CN202410427816 A CN 202410427816A CN 118015005 A CN118015005 A CN 118015005A
- Authority
- CN
- China
- Prior art keywords
- whiskering
- image
- detected
- gray
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 238000009826 distribution Methods 0.000 claims abstract description 100
- 239000004566 building material Substances 0.000 claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 6
- 239000011083 cement mortar Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000003112 inhibitor Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- 239000004035 construction material Substances 0.000 description 2
- 238000006253 efflorescence Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004570 mortar (masonry) Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 239000000370 acceptor Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及建筑材料检测技术领域,公开了一种基于机器视觉的泛碱检测方法及便携式检测装置。该检测方法先采集同一类建筑材料的多个试块的泛碱样本图像,获取每张泛碱样本图像的灰度分布直方图并拟合,得到图像灰度分布拟合曲线,从而求解曲线的极值点;然后划分出每条图像灰度分布拟合曲线的多个标准区间,并计算标准区间对应的泛碱厚度系数;统计所有泛碱样本图像对应的泛碱厚度系数,形成泛碱厚度系数分布直方图并拟合,得到建筑材料相关的泛碱厚度系数分布拟合曲线以及曲线的极大值点;最后获取待测构件图像的灰度分布直方图,计算出待测构件的泛碱指数。本发明可以准确地定量化描述建筑材料的泛碱程度。
Description
技术领域
本发明涉及建筑材料检测技术领域,具体是一种基于机器视觉的泛碱检测方法,以及应用这种泛碱检测方法的便携式检测装置。
背景技术
泛碱发生在黏土材料或水泥基建筑材料表面,由于材料内部金属碱离子随水分蒸发在建材表面析出而呈白色粉末状,其与建材原有颜色外观差异较大从而影响建筑美观。
对于建筑物发生的泛碱研究,传统方法是在实验室中让建筑材料在适宜条件下发生泛碱,但是对于结果评价更多还停留在定性阶段,受主观影响较大。例如规范《砌墙砖试验方法》GB/T 2542-2012中,针对烧结砖泛碱检测,规定通过肉眼观察并根据“六米可视原则”将泛碱划分为四个等级。规范《墙体饰面砂浆》JC/T1024-2019中,针对墙体饰面砂浆,同样规定通过肉眼观察,记录试件表面有无可见泛碱痕迹、是否掉粉。
而现有实现定量检测的方法,主要存在以下两方面弊端:
(1)、不能得到广泛适用,例如当前集成式的检测箱,作为标准的土木工程实验室虽然已经具备按规范检测的实验条件,但其也会占用更大的空间,且适用性和经济学较低。
(2)、智能化程度低而且比较耗费人力和时间,例如现有泛碱公式中的系数通过人工统计后计算,且计算公式仅考虑了平面上的泛碱程度,不够准确与科学。
因此,如何实现准确地定量化描述建筑材料的泛碱程度,是目前建筑材料检测领域中亟待解决的问题。
发明内容
为了避免和克服现有技术中难以准确地定量化描述建筑材料的泛碱程度的技术问题,本发明提供了一种基于机器视觉的泛碱检测方法及便携式检测装置。
为实现上述目的,本发明提供如下技术方案:
本发明公开一种基于机器视觉的泛碱检测方法,包括以下步骤:
S1.采集同一类建筑材料M的多个试块的泛碱样本图像;
S2.获取每张泛碱样本图像的灰度分布直方图,利用高斯混合模型对灰度分布直方图进行拟合,得到用于表征灰度与像素点数映射关系的图像灰度分布拟合曲线,从而求解图像灰度分布拟合曲线的极值点;
S3.划分出每条图像灰度分布拟合曲线的多个标准区间,并计算每个标准区间对应的泛碱厚度系数;其中,标准区间由图像灰度分布拟合曲线的极小值点确定,泛碱厚度系数由相应标准区间中的极大值确定;
S4.统计所有泛碱样本图像对应的泛碱厚度系数h,h∈[0,1],形成泛碱厚度系数分布直方图;
S5.利用高斯混合模型对泛碱厚度系数分布直方图进行拟合,得到与建筑材料M对应的泛碱厚度系数分布拟合曲线,用于表征泛碱厚度系数与出现次数的映射关系,并求解泛碱厚度系数分布拟合曲线的极大值点;
S6.获取同属于建筑材料M的待测构件图像的灰度分布直方图,从而采用以下公式计算出待测构件的泛碱指数f:
式中,k为待测构件图像采集时的图像放缩系数;i=1,2,…,v;v为泛碱厚度系数分布拟合曲线中的极大值个数w与起点、终点个数之和,即v=w+2;h i 为第i个泛碱厚度系数,且h 1=0,h v =1;h max =max{h 1,h 2,…,h v };p 0为待测构件图像的像素点总数;其中,将待测构件图像的灰度分布直方图的灰度范围[0,255]等分为v个区间,p i 为第i个区间涵盖的所有像素点总数。
作为上述方案的进一步改进,步骤S3中,在每条图像灰度分布拟合曲线中,定义有n个极大值点和m个极小值点,沿灰度值递增方向的第一个极大值点和第一个极小值点分别为xb1和xs1;结合n与m的大小关系以及xb1与xs1的分布特征,分别作出如下决策:
当n=m且xs1<xb1时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为0,xb1,xb2,…,xb(n-1),xbn,各标准区间的泛碱厚度系数依次为;
当n=m且xs1>xb1时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为xb1,xb2,xb3,…,xbn,255,各标准区间的泛碱厚度系数依次为;
当n>m时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为xb1,xb2,xb3,…,xb(n-1),xbn,各标准区间的泛碱厚度系数依次为;
当n<m时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),……,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为0,xb1,xb2,…,xbn,255,各标准区间的泛碱厚度系数依次为。
作为上述方案的进一步改进,步骤S1中,还对采集到的泛碱样本图像进行标注,具体过程如下:
使用标注工具标注试块类型,生成对应的XML标注文件数据;
将生成的XML标注文件数据与泛碱样本图像进行链接处理,使XML标注文件数据与泛碱样本图像一一对应。
作为上述方案的进一步改进,步骤S2中,将采集的彩色泛碱样本图像通过加权平均进行灰度化处理,然后调用matplotlib库中的hist函数绘制泛碱样本图像的灰度分布直方图。
作为上述方案的进一步改进,步骤S6中,参照步骤S2的方式对所述待测构件图像进行灰度处理,随后还对所述待测构件图像进行以下预处理步骤:
对所述待测构件图像进行高斯滤波平滑处理,从而去除图像中的噪声;
对所述待测构件图像依次进行透视变换处理和旋转变换处理,从而纠正待测构件图像在采集时因面外偏转和面内偏转造成的误差。
本发明还公开一种用于泛碱检测的便携式检测装置,应用上述基于机器视觉的泛碱检测方法。
其中,所述便携式检测装置预先存储有至少一类建筑材料相关的泛碱厚度系数分布拟合曲线以及每类曲线上的极大值点;所述便携式检测装置用于采集待测构件的图像,并获取待测构件图像的灰度分布直方图,从而计算出待测构件的泛碱指数f;其中,待测构件的建筑材料属于所述便携式检测装置预先存储的建筑材料类型。
作为上述方案的进一步改进,便携式检测装置包括:图像采集模块、数据处理模块以及交互端模块;图像采集模块用于采集待测构件图像;数据处理模块用于根据待测构件图像计算出待测构件的泛碱指数,并记录检测结果;交互端模块用于显示当前工作状态、检测结果以及待测构件图像,还用于在每次检测完成后发出蜂鸣提示。
作为上述方案的进一步改进,所述便携式检测装置采用便于抓握的相机型结构。
与现有技术相比,本发明的有益效果是:
1、本发明公开的基于机器视觉的泛碱检测方法,利用同种建筑材料的大量泛碱图像样本数据进行训练,得到与材料泛碱厚度系数分布特性相关的参数,从而将参数结合构件实测图像的灰度分布结果,代入泛碱指数计算公式,实现三维化的泛碱程度定量描述,与现有统计的计算方式相比,计算结果更加准确。
2、本发明调整了基于机器视觉的图像处理逻辑顺序,将迭代升级与实践工作分开,前期材料泛碱厚度系数分布特性相关的参数获取过程可以在计算机等算力较高的设备或终端上进行,后期实际采集到待测构件的图像时仅需代入公式进行泛碱指数的计算,有效减少了检测方法对于便携式设备计算和储存的需求。
3、本发明的检测方法既可以实现较为准确的泛碱定量描述,同时相较于现有算法,未直接对拟合后的灰度图曲线进行积分,而采用合理的灰度区间划分,通过有限个灰度区间内像素点数量的累加,用于后续计算,可以实现有效节省算力的有益效果,并可以较为精确地描述泛碱程度。
4、本发明公开的基于机器视觉的泛碱检测方法属于非接触式的无损监测,仅通过图像采集(相机拍摄)的方式就可以进行泛碱定量检测,对泛碱试块或墙体等构件无损伤,不破坏泛碱物,有利于泛碱物的长期检测与研究。
5、本发明公开的用于泛碱检测的便携式检测装置,其通过预先存储多种建筑材料相关的计算参数,在采集到符合种类名录的待测构件的图像后,仅需对图像进行简单处理得到灰度分布直方图,便可与计算参数一同代入泛碱指数计算公式,计算结果准确而且算力要求较小,适合配置成便于抓握的相机型结构,使用方便且经济实用。
附图说明
图1为本发明实施例1中基于机器视觉的泛碱检测方法的流程图。
图2为本发明实施例1中对彩色泛碱样本图像进行灰度化处理前后的对比示意图。
图3为本发明实施例1中的一泛碱样本图像的灰度分布直方图。
图4为本发明实施例1中的一图像灰度分布拟合曲线图。
图5为本发明实施例1中的其中一图像灰度分布拟合曲线的极值点求解示意图。
图6为本发明实施例1中的另外一图像灰度分布拟合曲线的极值点求解示意图。
图7为本发明实施例1中待测构件图像采集时的图像放缩系数示意图。
图8为本发明实施例1中对待测构件图像的灰度分布直方图的横坐标进行等分的示意图。
图9为本发明实施例1中待测构件图像转为灰度图前后的对比示意图。
图10为本发明实施例1中待测构件图像进行高斯平滑处理前后的对比示意图。
图11为本发明实施例1中透视变换的原理示意图。
图12为本发明实施例1中待测构件图像进行透视变换处理前后的对比示意图。
图13为本发明实施例1中待测构件图像进行旋转变换处理前后的对比示意图。
图14为本发明实施例2中用于泛碱检测的便携式检测装置的立体结构示意图。
图15为图14中便携式检测装置在另一视角下的立体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1,本发明实施例提供一种基于机器视觉的泛碱检测方法,包括以下步骤:
S1.采集同一类建筑材料M的多个试块的泛碱样本图像。
在采集到泛碱样本图像后,还对采集到的泛碱样本图像进行标注,具体过程如下:使用标注工具标注试块类型,生成对应的XML标注文件数据;最后将生成的XML标注文件数据与泛碱样本图像进行链接处理,使XML标注文件数据与泛碱样本图像一一对应。
S2.获取每张泛碱样本图像的灰度分布直方图,利用高斯混合模型(GMM)对灰度分布直方图进行拟合,得到用于表征灰度与像素点数映射关系的图像灰度分布拟合曲线,从而求解图像灰度分布拟合曲线的极值点。
请参阅图2,步骤S2中,将采集的彩色泛碱样本图像通过加权平均进行灰度化处理,处理过程是将彩色图像R、G、B三通道通过加权平均的值作为灰度值Gray,公式为:Gray=0.229×R+0.587×G+0.114×B。然后调用matplotlib库中的hist函数绘制如图3所示的泛碱样本图像的灰度分布直方图,该图的横坐标为灰度值,纵坐标为图像中每种灰度值出现的像素点数。
请参阅图4,本实施例中,为了便于后续对灰度分布直方图进行微分等连续化处理,先对灰度分布直方图对应的多个离散点进行精确的曲线拟合。GMM能够实现任意形状的概率分布可通过J个单高斯分布的线性组合进行近似,主要原理公式如下:
式中,P(x|θ)为联合概率分布,和/>都是随机变量,P(x|θ)表示随机事件θ发生的情况下随机事件x也同时发生的概率。J为单高斯分布的个数;α j 为第j个高斯分布被选中的概率;Φ(x|θ j )为第j个高斯分布的概率密度函数。
最终拟合出的图像灰度分布直方图曲线设为p(x),x为灰度值且取值为[0,255]。
图像灰度分布拟合曲线p(x)的极值点求解为:
式中,p’(x)表示拟合曲线p(x)各点斜率;d(·)表示对·求导。
极值点满足下列条件:
式中,p’(x -)表示无限接近但小于极大值点的横坐标对应的拟合曲线p(x)斜率;p’(x +)表示无限接近但大于极大值点的横坐标对应的拟合曲线p(x)斜率。
请参阅图5和图6,分别展示了相同建筑材料类型的两个试块各自对应的图像灰度分布拟合曲线,可以看出,其极值点具有相似的分布规律,这说明了按照极值点划分标准区间并确定泛碱厚度系数有其合理性,同一类泛碱待测试块的大量样本图像经处理统计出的泛碱厚度系数也可充分反映此类试块的泛碱特征和规律。
S3.划分出每条图像灰度分布拟合曲线的多个标准区间,并计算每个标准区间对应的泛碱厚度系数;其中,标准区间由图像灰度分布拟合曲线的极小值点确定,泛碱厚度系数由相应标准区间中的极大值确定。
图像灰度分布拟合曲线的横坐标是灰度值,纵坐标是图像中每个灰度值出现的像素点数。
步骤S3中,在每条图像灰度分布拟合曲线中,定义有n个极大值点和m个极小值点,沿灰度值递增方向的第一个极大值点和第一个极小值点分别为xb1和xs1;结合n与m的大小关系以及xb1与xs1的分布特征,分别作出如下决策:
当n=m且xs1<xb1时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为0,xb1,xb2,…,xb(n-1),xbn,各标准区间的泛碱厚度系数依次为;
当n=m且xs1>xb1时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为xb1,xb2,xb3,…,xbn,255,各标准区间的泛碱厚度系数依次为;
当n>m时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为xb1,xb2,xb3,…,xb(n-1),xbn,各标准区间的泛碱厚度系数依次为;
当n<m时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),……,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为0,xb1,xb2,…,xbn,255,各标准区间的泛碱厚度系数依次为。
以一张水泥胶砂试块的图像样本为例,其生成的图像灰度分布拟合曲线具有4个极大值点xb1,xb2,xb3,xb4和5个极小值点xs1,xs2,xs3,xs4,xs5,相应灰度取值如表1所示。标准区间划分为[0,xs1),[xs1,xs2),[xs2,xs3),[xs3,xs4),[xs4,xs5),[xs5,255);每个标准区间的代表灰度值依次为0,xb1,xb2,xb3,xb4,255;各标准区间的泛碱厚度系数依次为。
表1:图像灰度分布拟合曲线的极值点灰度取值
根据表1的极值点取值,其相应的标准区间、代表灰度值以及泛碱厚度系数结果如表2所示。
表2:标准区间、代表灰度值及泛碱厚度系数
S4.统计所有泛碱样本图像对应的泛碱厚度系数h,h∈[0,1],形成泛碱厚度系数分布直方图。
本实施例中,同一种建筑材料M具有大量泛碱样本图像,按照上述步骤对每张图像的泛碱厚度系数进行计算,将形成的大量不同组别的泛碱厚度系数进行统计,形成泛碱厚度系数分布直方图。
S5.利用高斯混合模型对泛碱厚度系数分布直方图进行拟合,得到建筑材料M相关的泛碱厚度系数分布拟合曲线,用于表征泛碱厚度系数与出现次数的映射关系,并求解泛碱厚度系数分布拟合曲线的极大值点。
其中,泛碱厚度系数分布拟合曲线可以用t(h)表示,t(h)的极值点求解为:
式中,t’(h)表示拟合曲线t(h)各点斜率。
极大值t(h b )满足下列条件:
式中,t’(h b )表示极大值t(h b )点的斜率。t(h b - )表示无限接近但小于极大值点的横坐标对应的拟合曲线t(h)斜率;t(h b + )表示无限接近但大于极大值点的横坐标对应的拟合曲线t(h)斜率。
S6.获取同属于建筑材料M的待测构件图像的灰度分布直方图,从而采用以下公式计算出待测构件的泛碱指数f:
式中,k为待测构件图像采集时的图像放缩系数;i=1,2,…,v;v为泛碱厚度系数分布拟合曲线中的极大值个数w与起点、终点个数之和,即v=w+2;h i 为第i个泛碱厚度系数,且h 1=0,h v =1;h max =max{h 1,h 2,…,h v };p 0为待测构件图像的像素点总数;其中,将待测构件图像的灰度分布直方图的灰度范围[0,255]等分为v个区间,p i 为第i个区间涵盖的所有像素点总数。
如图7所示,本实施例中,图像放缩系数k=A 2/A 1=L 2/L 1。其中,A 2为待测构件的真实高度,A 1为待测构件的成像高度。针对水泥胶砂试块的拍摄高度L 2=100mm,立方体试块边长A 2=150mm,镜头光圈至相机中光学传感器成像距离L 1=3mm,则k=100/3。
针对一组泛碱抑制剂参量为0的水泥胶砂试块(即试块1),其泛碱厚度系数分布拟合曲线中的极大值个数w共有4个,因此v=4+2=6。{h 1,h 2,…,h 6}的取值结果如表3所示:
表3:泛碱厚度系数分布拟合曲线的极大值点以及起始点取值
因此,根据表3可将待测构件图像的灰度分布直方图的横坐标即灰度范围[0,255]等分为6个区间,并计算每个区间涵盖的所有像素点总数,结果如图8所示。
针对试块1,泛碱指数以及计算泛碱指数需要用到的相关参数如表4所示。
表4:试块1的相关参数及泛碱指数
本实施例中,还设置另外两组水泥胶砂试块,即试块2和试块3,与试块1的唯一区别在于泛碱抑制剂掺量递增设置,即试块2的泛碱抑制剂掺量是3%,试块3的泛碱抑制剂掺量是5%。可以预测的是,试块1、试块2和试块3的泛碱程度依次递减。试块2的相关参数及泛碱指数如表5所示。
表5:试块2的相关参数及泛碱指数
试块3的相关参数及泛碱指数如表6所示。
表6:试块3的相关参数及泛碱指数
由表4至表6可以看出,通过验证,泛碱指数确实依次递减,证明了本发明检测方法的有效性。
需要补充说明的是,步骤S6中,如图9所示,可参照步骤S2的方式对所述待测构件图像进行灰度处理,随后还对所述待测构件图像进行以下预处理步骤:
如图10所示,对所述待测构件图像进行高斯滤波平滑处理,过滤调图像高频成分,保留图像低频成分,进而抑制待测构件譬如砂浆成型过程中不可避免的形成色差及表面微小凹坑等缺陷带来的噪声,平滑图像。
具体地,设任意待处理像素点坐标,模糊半径为1,则取距离其最近的8个点坐标,σ’=σ 0,σ 0表示初始人为设置的标准差。高斯滤波公式如下:
式中,G(x,y)表示概率密度函数;σ’表示标准差。
本发明还对所述待测构件图像依次进行透视变换处理和旋转变换处理,从而纠正待测构件图像在采集时因面外偏转和面内偏转造成的误差。
具体地,首先是对待测构件图像进行透视变换处理,请参阅图11,设初始点坐标(x,y),变透视变化后点坐标(X,Y),透视变换矩阵为A,则有如下方程成立:
其中,透视变换矩阵为,原始点坐标为/>,透视变换后最终点坐标为/>。
由上述方程得:
令下式成立:
则可得:
令a 33=1,展开上述公式,得到一个点的透视变换情况:
如果有4个点,则得到8个方程,即可解出透视变换矩阵A,在此不再赘述。
如图12所示,图片经过透视变换处理,待测构件的泛碱检测面可以充分呈现出来。
请参阅图13,随后是对待测构件图像进行旋转变换处理,设图像任意一点旋转前坐标为(x,y),该点旋转后的坐标为(x’,y’),旋转矩阵为R,旋转角度为β,则旋转变换公式为:
参照上述的透视变换处理和旋转变换处理原理,从而从而纠正待测构件图像在采集时因面外偏转和面内偏转造成的误差。
实施例2
本实施例提供一种用于泛碱检测的便携式检测装置,应用实施例1中的基于机器视觉的泛碱检测方法。
其中,所述便携式检测装置预先存储有至少一类建筑材料相关的泛碱厚度系数分布拟合曲线以及每类曲线上的极大值点;所述便携式检测装置用于采集待测构件的图像,并获取待测构件图像的灰度分布直方图,从而计算出待测构件的泛碱指数f;其中,待测构件的建筑材料属于所述便携式检测装置预先存储的建筑材料类型。
在一些实施例中,便携式检测装置可以包括:图像采集模块、数据处理模块以及交互端模块。图像采集模块用于采集待测构件图像;数据处理模块用于根据待测构件图像计算出待测构件的泛碱指数,并记录检测结果;交互端模块用于显示当前工作状态、检测结果以及待测构件图像,还用于在每次检测完成后发出蜂鸣提示。
便携式检测装置可采用便于抓握的相机型结构。
具体地,请参阅图14和图15,本实施例中,便携式检测装置可包括:高分辨率相机101、光学传感器102、微型核心处理器(图未示)、高清显示屏103、按键模块104、电源模块(图未示)和蜂鸣器105组成。
高分辨率相机101及其附属部分主要由镜头和镁光灯组成,相机用于精确提取待测构件表面的泛碱特征,可自动对焦且视角可调;镁光灯用于环境光照条件较差时补光。
光学传感器102获得距离信息和光照条件。
微型核心处理器内置存储器,和高分辨率相机101、高清显示屏103、电源模块、按键模块104相连,在进行核心的计算处理工作的同时记录检测结果。
高清显示屏103即屏幕用于显示仪器工作状态、测量结果并进行高分辨率相机101的图片预览。
按键模块104包括拍摄键、模式切换滚轮等,辅助人机交互。
电源模块主要提供电源,并将电池电压合理转换为各模块的合理工作电压。
蜂鸣器105在一次测量完成时会响一次。
便携式检测装置可采用以下工作流程,即1~10。
1、使用者采用抓握方式将检测装置置于右手,使屏幕一侧背离手心,镜头方向向下。
2、使用绑带将检测装置固定于右手。
3、将高清显示屏水平翻开30°以上,等待开机。
4、滚动拇指处滚轮进行模式选择,相应模式将在屏幕左上角显示。这里需要说明的是,所谓模式选择,是使用者知晓当前需要检测泛碱程度的构件的建筑材料类型,不同建筑材料类型对应不同的模式。由于前文的检测方法步骤S1~S5已经介绍了如何得到每种建筑材料相关参数(即泛碱厚度系数分布拟合曲线以及曲线上的极大值点),将各种建筑材料的相关参数预存于检测装置,切换模式时,采用与当前模式对应的相关参数,并结合实时采集的待测构件图像,进行泛碱指数f的计算。
5、确认模式后,将镜头对向目标表面。
6、屏幕可在垂直方向上下90°内进行调整,将屏幕调整至合适角度。
7、屏幕上将实时显示镜头拍摄到的画面,当识别目标的边界与提示框重叠且屏幕中央两十字合二为一时,蜂鸣器发出响声,表示拍摄准备已就绪且镜头与待测构件表面平行,拍摄角度和距离达到采集要求。
需要说明的是,使用者手持检测装置进行大量高分辨率图像的采集,器件需要控制镜头与待测构件表面的距离在5~20cm以内,尽量保持镜头与待测构件的被拍摄平面平行,各方向偏转角度控制在20度以内。采集过程中检测装置自动记录采集高度和偏转角度,可以显示于高清显示屏左下角,供采集时调整工作高度及角度参考。
8、按下拇指处按钮进行拍摄,然后等待检测装置进行识别和运算,屏幕上将会显示本次检测获得的泛碱程度检测结果。
9、将屏幕复原,紧贴仪器主体时关机。
10、解开绑带,将仪器放回安全包装中。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于机器视觉的泛碱检测方法,其特征在于,包括以下步骤:
S1.采集同一类建筑材料M的多个试块的泛碱样本图像;
S2.获取每张泛碱样本图像的灰度分布直方图,利用高斯混合模型对灰度分布直方图进行拟合,得到用于表征灰度与像素点数映射关系的图像灰度分布拟合曲线,从而求解图像灰度分布拟合曲线的极值点;
S3.划分出每条图像灰度分布拟合曲线的多个标准区间,并计算每个标准区间对应的泛碱厚度系数;其中,标准区间由图像灰度分布拟合曲线的极小值点确定,泛碱厚度系数由相应标准区间中的极大值确定;
S4.统计所有泛碱样本图像对应的泛碱厚度系数h,h∈[0,1],形成泛碱厚度系数分布直方图;
S5.利用高斯混合模型对泛碱厚度系数分布直方图进行拟合,得到与建筑材料M对应的泛碱厚度系数分布拟合曲线,用于表征泛碱厚度系数与出现次数的映射关系,并求解泛碱厚度系数分布拟合曲线的极大值点;
S6.获取同属于建筑材料M的待测构件图像的灰度分布直方图,从而采用以下公式计算出待测构件的泛碱指数f:
式中,k为待测构件图像采集时的图像放缩系数;i=1,2,…,v;v为泛碱厚度系数分布拟合曲线中的极大值个数w与起点、终点个数之和,即v=w+2;h i 为第i个泛碱厚度系数,且h 1=0,h v =1;h max =max{h 1,h 2,…,h v };p 0为待测构件图像的像素点总数;其中,将待测构件图像的灰度分布直方图的灰度范围[0,255]等分为v个区间,p i 为第i个区间涵盖的所有像素点总数。
2.根据权利要求1所述的一种基于机器视觉的泛碱检测方法,其特征在于,步骤S3中,在每条图像灰度分布拟合曲线中,定义有n个极大值点和m个极小值点,沿灰度值递增方向的第一个极大值点和第一个极小值点分别为xb1和xs1;结合n与m的大小关系以及xb1与xs1的分布特征,分别作出如下决策:
当n=m且xs1<xb1时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为0,xb1,xb2,…,xb(n-1),xbn,各标准区间的泛碱厚度系数依次为;
当n=m且xs1>xb1时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为xb1,xb2,xb3,…,xbn,255,各标准区间的泛碱厚度系数依次为;
当n>m时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),…,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为xb1,xb2,xb3,…,xb(n-1),xbn,各标准区间的泛碱厚度系数依次为;
当n<m时,图像灰度分布拟合曲线的各标准区间依次为[0,xs1),[xs1,xs2),[xs2,xs3),……,[xs(m-1),xsm),[xsm,255],各标准区间对应的代表灰度值依次为0,xb1,xb2,…,xbn,255,各标准区间的泛碱厚度系数依次为。
3.根据权利要求1所述的一种基于机器视觉的泛碱检测方法,其特征在于,步骤S1中,还对采集到的泛碱样本图像进行标注,具体过程如下:
使用标注工具标注试块类型,生成对应的XML标注文件数据;
将生成的XML标注文件数据与泛碱样本图像进行链接处理,使XML标注文件数据与泛碱样本图像一一对应。
4.根据权利要求1所述的一种基于机器视觉的泛碱检测方法,其特征在于,步骤S2中,将采集的彩色泛碱样本图像通过加权平均进行灰度化处理,然后调用matplotlib库中的hist函数绘制泛碱样本图像的灰度分布直方图。
5.根据权利要求4所述一种基于机器视觉的泛碱检测方法,其特征在于,步骤S6中,参照步骤S2的方式对所述待测构件图像进行灰度处理,随后还对所述待测构件图像进行以下预处理步骤:
对所述待测构件图像进行高斯滤波平滑处理,从而去除图像中的噪声;
对所述待测构件图像依次进行透视变换处理和旋转变换处理,从而纠正待测构件图像在采集时因面外偏转和面内偏转造成的误差。
6.一种用于泛碱检测的便携式检测装置,其特征在于,应用如权利要求1至5中任意一项所述的一种基于机器视觉的泛碱检测方法;
其中,所述便携式检测装置预先存储有至少一类建筑材料相关的泛碱厚度系数分布拟合曲线以及每类曲线上的极大值点;所述便携式检测装置用于采集待测构件的图像,并获取待测构件图像的灰度分布直方图,从而计算出待测构件的泛碱指数f;其中,待测构件的建筑材料属于所述便携式检测装置预先存储的建筑材料类型。
7.根据权利要求6所述的一种用于泛碱检测的便携式检测装置,其特征在于,包括:图像采集模块、数据处理模块以及交互端模块;图像采集模块用于采集待测构件图像;数据处理模块用于根据待测构件图像计算出待测构件的泛碱指数,并记录检测结果;交互端模块用于显示当前工作状态、检测结果以及待测构件图像,还用于在每次检测完成后发出蜂鸣提示。
8.根据权利要求7所述的一种用于泛碱检测的便携式检测装置,其特征在于,所述便携式检测装置采用便于抓握的相机型结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410427816.6A CN118015005B (zh) | 2024-04-10 | 一种基于机器视觉的泛碱检测方法及便携式检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410427816.6A CN118015005B (zh) | 2024-04-10 | 一种基于机器视觉的泛碱检测方法及便携式检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118015005A true CN118015005A (zh) | 2024-05-10 |
CN118015005B CN118015005B (zh) | 2024-07-02 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297251A (zh) * | 2014-11-03 | 2015-01-21 | 东南大学 | 一种用于评价水泥基材料抗泛碱性能的方法 |
CN108918576A (zh) * | 2018-05-15 | 2018-11-30 | 爱尔建材(天津)有限公司 | 一种检测混凝土制品泛碱程度的试验方法 |
CN111896484A (zh) * | 2020-07-29 | 2020-11-06 | 华润水泥技术研发有限公司 | 水泥基材料泛碱程度的定量表征方法 |
CN112233111A (zh) * | 2020-11-18 | 2021-01-15 | 安徽国钜工程机械科技有限公司 | 一种基于数字图像处理的隧道缝隙检测方法 |
CN112991305A (zh) * | 2021-03-24 | 2021-06-18 | 苏州亚朴智能科技有限公司 | 一种喷漆面板表面缺陷的视觉检测方法 |
CN113192032A (zh) * | 2021-04-29 | 2021-07-30 | 东南大学 | 一种基于微生物抗泛碱玻璃纤维增强水泥制品的泛碱均匀度预测评估方法 |
CN113538491A (zh) * | 2021-09-15 | 2021-10-22 | 风脉能源(武汉)股份有限公司 | 一种基于自适应阈值的边缘识别方法、***及存储介质 |
CN114758185A (zh) * | 2022-06-16 | 2022-07-15 | 南通倍佳机械科技有限公司 | 一种基于灰度色差的注塑参数控制方法与*** |
WO2023151680A1 (zh) * | 2022-02-11 | 2023-08-17 | 中交基础设施养护集团有限公司 | 一种无源激振式桥梁损伤评估方法 |
CN117345201A (zh) * | 2023-09-28 | 2024-01-05 | 兖矿能源集团股份有限公司 | 基于全息数据的立井井筒病害检测方法 |
CN117764983A (zh) * | 2024-01-11 | 2024-03-26 | 昆山联星业智能科技有限公司 | 一种用于智能制造产线的双目识别的视觉检测的方法 |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297251A (zh) * | 2014-11-03 | 2015-01-21 | 东南大学 | 一种用于评价水泥基材料抗泛碱性能的方法 |
CN108918576A (zh) * | 2018-05-15 | 2018-11-30 | 爱尔建材(天津)有限公司 | 一种检测混凝土制品泛碱程度的试验方法 |
CN111896484A (zh) * | 2020-07-29 | 2020-11-06 | 华润水泥技术研发有限公司 | 水泥基材料泛碱程度的定量表征方法 |
CN112233111A (zh) * | 2020-11-18 | 2021-01-15 | 安徽国钜工程机械科技有限公司 | 一种基于数字图像处理的隧道缝隙检测方法 |
CN112991305A (zh) * | 2021-03-24 | 2021-06-18 | 苏州亚朴智能科技有限公司 | 一种喷漆面板表面缺陷的视觉检测方法 |
CN113192032A (zh) * | 2021-04-29 | 2021-07-30 | 东南大学 | 一种基于微生物抗泛碱玻璃纤维增强水泥制品的泛碱均匀度预测评估方法 |
CN113538491A (zh) * | 2021-09-15 | 2021-10-22 | 风脉能源(武汉)股份有限公司 | 一种基于自适应阈值的边缘识别方法、***及存储介质 |
WO2023151680A1 (zh) * | 2022-02-11 | 2023-08-17 | 中交基础设施养护集团有限公司 | 一种无源激振式桥梁损伤评估方法 |
CN114758185A (zh) * | 2022-06-16 | 2022-07-15 | 南通倍佳机械科技有限公司 | 一种基于灰度色差的注塑参数控制方法与*** |
CN117345201A (zh) * | 2023-09-28 | 2024-01-05 | 兖矿能源集团股份有限公司 | 基于全息数据的立井井筒病害检测方法 |
CN117764983A (zh) * | 2024-01-11 | 2024-03-26 | 昆山联星业智能科技有限公司 | 一种用于智能制造产线的双目识别的视觉检测的方法 |
Non-Patent Citations (2)
Title |
---|
YANBO HU 等: "Quantification of the residual mortars distribution and wrapping degree in recycled concrete aggregate based on 3-D reconstruction technology", CONSTRUCTION AND BUILDING MATERIALS, 16 January 2024 (2024-01-16), pages 1 - 14 * |
赵海鑫 等: "基于图像灰度的饰面砂浆泛碱程度表征方法的研究", 硅酸盐通报, vol. 35, no. 9, 30 September 2016 (2016-09-30), pages 3082 - 3086 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779797B (zh) | 一种测量金属拉伸试验过程中塑性应变比的方法 | |
CN108416771A (zh) | 一种基于单目相机的金属材料锈蚀面积检测方法 | |
CN107220645A (zh) | 基于动态图像处理的水表识别方法 | |
CN114894642B (zh) | 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置 | |
CN107238534A (zh) | 基于图像计算在线监测板材拉伸性能的方法及装置 | |
CN113378663B (zh) | 一种巡检指针式圆形仪表识别方法及装置 | |
CN114913134A (zh) | 隧道喷射混凝土粗糙度识别方法、终端设备及存储介质 | |
CN118015005B (zh) | 一种基于机器视觉的泛碱检测方法及便携式检测装置 | |
JP2672509B2 (ja) | カメラモデルの自動キャリブレーション方法およびその装置 | |
CN112902869B (zh) | 轨廓测量***激光平面调整方法及装置 | |
CN118015005A (zh) | 一种基于机器视觉的泛碱检测方法及便携式检测装置 | |
CN109444150A (zh) | 非接触式裂纹测量方法及其装置 | |
JP3230111B2 (ja) | 自動キャリブレーション装置 | |
Xu | Study on accurate measurement technology for microscopic image | |
Chen et al. | Image profile area calculation based on circular sample measurement calibration | |
CN113375749B (zh) | 玻璃量器标线的自动平视方法及装置、***、设备 | |
CN109003302A (zh) | 一种通过摄像头对人脸的识别测算出人体身高的方法 | |
JPS63210748A (ja) | 接触角および界面張力の自動測定方法 | |
CN117853429A (zh) | 一种标定图像质量评价方法 | |
JP3849781B2 (ja) | 押し込み型硬度計 | |
JPS62294946A (ja) | 塗面の平滑性測定方法 | |
JPH04196145A (ja) | 電子部品のリードのピッチ及び本数の検出方法 | |
JPH0310107A (ja) | 濃淡パターンマッチングによる検査方法 | |
CN113740342B (zh) | 一种钢筋锈蚀率智能检测设备 | |
Lee et al. | Gray level factors used in image processing of two-dimensional drop images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |